.png){kind=icon}
返回
Reinforcement learning-based robust model predictive control for nonlinear zero-sum games
.png){kind=icon}
PRE
AI
DOI：10.1007/s11071-025-11608-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于强化学习（RL）技术和自适应评判设计（ACD）的鲁棒模型预测控制（MPC）方法，用于解决受扰复杂系统的零和博弈问题。在环境与智能体（agent）的实时交互过程中，由于环境扰动的影响，维持系统稳定运行面临严峻挑战，这一问题在本研究中被视为非线性MPC（NMPC）的双人零和博弈问题。依据智能评判机制，首先构建了基于RL的鲁棒NMPC（RL-rNMPC）框架以求解纳什均衡策略。值得注意的是，引入了松弛迭代方案以加速每个预测时域内的迭代过程。同时，对RL-rNMPC算法的收敛性及纳什均衡策略的可接受性进行了全面分析。随后，详细阐述了RL-rNMPC算法的具体实现过程，以促进算法的可复现性。最后，仿真实验表明，RL-rNMPC算法在应对受扰复杂系统时表现出良好的控制性能和鲁棒性，与其他算法相比，所提算法也展现出更优的进步性。
Keyword:
Adaptive dynamic programming
Adaptive critic designs
Nonlinear model predictive control
Relaxed iteration mechanism
Zero-sum games
期刊
IF:
6
论文数:
1.4W
被引数:
4.1W
机构
引用论文
Discounted Iterative Adaptive Critic Designs With Novel Stability Analysis for Tracking Control
PREAI
分享收藏Distributed Optimal Control of Nonlinear System Based on Policy Gradient With External Disturbance
PREAI
分享收藏Learning an Enhanced TCN-LSTM Network for Temperature Process Modeling in Rotary Kilns学习增强型tcn-lstm网络用于回转窑温度过程建模
PREAI
分享收藏Neural critic learning for tracking control design of constrained nonlinear multi-person zero-sum games.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Event-Triggered Control of Discrete-Time Zero-Sum Games via Deterministic Policy Gradient Adaptive Dynamic Programming通过确定性策略梯度自适应动态规划对离散时间零和博弈的事件触发控制
PREAI
分享收藏Robust Stability Analysis of a Simple Data-Driven Model Predictive Control Approach简单数据驱动模型预测控制方法的鲁棒稳定性分析
OAAI
OAAI分享收藏
查看更多内容